# tender-writer **Repository Path**: elfbobo_admin_admin/tender-writer ## Basic Information - **Project Name**: tender-writer - **Description**: 标书助手 — 开源 AI 标书编制工具,五阶段工作流 + 评分矩阵追踪 + 合规终审,专为政府类项目技术标设计 - **Primary Language**: Python - **License**: MIT - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 3 - **Created**: 2026-04-13 - **Last Updated**: 2026-04-13 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README
# 标书助手 · tender-writer **一套把"让 AI 写标书"从玩具变成工程的 Claude Skill + 工作流方案** An engineering-grade Claude Skill for Chinese government tender writing [![License: MIT](https://img.shields.io/badge/License-MIT-green.svg)](./LICENSE) [![Python 3.10+](https://img.shields.io/badge/Python-3.10%2B-blue.svg)](https://www.python.org/) [![Platform: Windows](https://img.shields.io/badge/Platform-Windows-0078D4.svg)]() [![Claude Skills](https://img.shields.io/badge/Claude-Skills-D97757.svg)](https://docs.claude.com) [![AI Workflow](https://img.shields.io/badge/Workflow-AI--Assisted-black.svg)]()
--- ## 为什么需要这个 写过标书的人都知道一件事:**让 AI 一次性生成整本技术标,结果要么漏答评分点、要么踩到废标条款**。问题不在于 AI 不够聪明,而在于"标书编制"本质上是一个合规问题——它需要严格的流程、可追溯的决策、逐项应答的证据链,而不是一篇漂亮的作文。 tender-writer 把这件事拆成 **5 个必须依次完成、每一步都可以停下来审查的阶段**,让 AI 负责体力活(解析、拆解、组装、核查),把判断权永远留在你手里。 - ✅ **评分办法逐项拆成 CSV 矩阵**,每一分都对应具体应答段落,杜绝漏答 - ✅ **own / partner / reference 三级素材隔离**,从机制上防止"引用了竞品业绩"这种事故 - ✅ **全阶段人工确认**,不允许一键生成整本标书 - ✅ **四种使用方式**:Claude Code(最佳)、Cline/Qwen Code、纯对话 AI、手动模式 - ✅ **venv 完全隔离**,双击 `install.bat` 即可,不污染系统 Python ## 工作流总览 ```mermaid flowchart LR A[招标文件
PDF / docx] --> B[阶段 1
解析] B --> B1[tender_brief.md
结构化摘要] B1 --> C[阶段 2
评分矩阵] C --> C1[scoring_matrix.csv
逐分拆解] C1 --> D[阶段 3
提纲反推] D --> D1[outline.md
章节骨架] D1 --> E[阶段 4
分章节撰写] E --> E1[tender_response.docx
主交付物] E1 --> F[阶段 5
合规终审] F --> F1[compliance_report.md
漏答与废标核查] style B fill:#FFF4E6,stroke:#D97757 style C fill:#FFF4E6,stroke:#D97757 style D fill:#FFF4E6,stroke:#D97757 style E fill:#FFF4E6,stroke:#D97757 style F fill:#FFF4E6,stroke:#D97757 ``` **每个阶段之间必须人工 review 中间产物再推进**——这是整套方案的第一原则,也是它和"一键生成标书"类工具的根本区别。 ## 30 秒上手(Claude Code 方式) ```bash # 1. 放到项目的 .claude/skills/ 目录下 git clone https://github.com/Hugin-Z/tender-writer.git .claude/skills/tender-writer # 2. 双击 install.bat 准备 Python 环境(venv 隔离) cd .claude/skills/tender-writer && install.bat # 3. 在项目根目录启动 Claude Code,把招标文件拖进对话 claude # > "帮我编制 XX 项目的技术标" ``` Claude Code 会自动加载 `SKILL.md`,按五阶段工作流引导你完成整本标书。其他 AI 工具(Cline / Qwen Code / 纯对话 AI)的使用方式见 [详细文档 →](./docs/USAGE.md) ## 看一眼真实产出 - 📄 [完整示例:一个脱敏的政府采购项目全流程](./examples/demo_project/) - 📘 [完整使用文档](./docs/USAGE.md) - 📙 [工作流设计哲学](./docs/DESIGN.md)(为什么是 5 个阶段,为什么严禁一键生成) --- ## 使用方式 ### 方式一:Claude Code(推荐,体验最好) > 全流程自动化,SKILL.md 自动触发,Python 脚本通过 `run_script.bat` 自动调用,中间产物自动落盘到 `output/`。 **操作步骤**: 1. 进入你打算放投标项目的工作目录(例如 `D:\我的投标项目\xxx标书\`)。 2. 在该目录下创建 `.claude\skills\` 子目录(若不存在),把整个 `tender-writer` 文件夹复制进去。最终路径形如 `D:\我的投标项目\xxx标书\.claude\skills\tender-writer\`。 3. 进入 `tender-writer` 文件夹,**双击 `install.bat`** 完成 Python 环境准备(详见下面"环境准备"一节)。 4. 在你的工作目录下启动 Claude Code(`claude`)。 5. 把招标文件拖进对话框,或者直接说: - "帮我解读这份招标文件,准备编制技术标" - "帮我编制 xxx 项目的技术方案" - "我要写投标书,先帮我做评分矩阵" Claude Code 会通过 SKILL.md 中的触发关键词自动加载本 skill,并按五阶段工作流引导你完成整本标书。 --- ### 方式二:其他能操作本地文件的 AI(Qwen Code / Trae / Cline + DeepSeek 等) > 这类 AI 能读写本地文件、能执行 shell 命令,但不一定支持 Claude 的 SKILL.md 自动加载机制。需要你手动告诉它"按这份文档干活"。 **操作步骤**: 1. 把整个 `tender-writer` 文件夹复制到你的工作目录(放在哪个子目录都可以,例如 `xxx标书\tender-writer\`)。 2. 进入 `tender-writer` 文件夹,**双击 `install.bat`** 完成 Python 环境准备。 3. 在工作目录下启动你的 AI 工具(Qwen Code / Trae / Cline 等)。 4. **手动给 AI 一句指令,让它把 SKILL.md 当作工作指南**,例如: > "请先读取 `tender-writer/SKILL.md`,严格按照其中描述的五阶段工作流帮我编制技术标。所有 Python 脚本通过 `tender-writer/run_script.bat` 调用。我要处理的招标文件是:`D:\xxx\招标文件.pdf`。" 5. AI 读完 SKILL.md 后,会按阶段调用 `parse_tender.py` → `build_scoring_matrix.py` → `docx_builder.py` → `compliance_check.py`,中间产物正常落盘到 `output/`。 6. 每个阶段结束后,**你必须人工 review 中间产物**(`output/tender_brief.md`、`output/scoring_matrix.csv` 等),确认无误后再让 AI 推进下一阶段。 > ⚠️ 这类 AI 没有 SKILL.md 的自动加载和自动触发机制,工作流的"分阶段验证"原则需要你**主动看护**——不要让 AI 一次性把五个阶段全跑完。 --- ### 方式三:纯对话 AI(Kimi / 智谱清言 / 豆包 / 文心一言 / ChatGPT 网页版等) > 这类 AI 不能读写本地文件,也不能执行 Python 脚本。但它可以读懂 markdown、可以做多轮对话、可以"模拟"脚本的输出格式。整套方案仍然可用,只是中间产物需要你**手动复制粘贴**保存。 **操作步骤**: 1. 在你用的 AI 平台上,**新建一个专属对话或"智能体"**。建议起名 "标书编制助手"。 2. **把以下文件作为知识库上传给 AI**(几乎所有主流国产 AI 都支持知识库上传或多文件附件): - `SKILL.md` —— 五阶段工作流和禁止事项 - `references/scoring_dimensions.md` —— 四大评分维度详解 - `references/compliance_rules.md` —— 废标风险与合规清单 - `references/doc_format_spec.md` —— 中文标书排版规范 - `references/phrase_library.md` —— 话术库骨架 - `templates/tender_brief.md` —— 招标解读模板 - `templates/scoring_matrix.csv` —— 评分矩阵模板 - `templates/outline_template.md` —— 提纲骨架 3. **每次开新投标项目时**,把招标文件(PDF 或 docx)也上传到这个对话/智能体里。 4. 在对话中**明确要求 AI 按五阶段推进**,例如: > "你已经读过 SKILL.md 的五阶段工作流。请先执行**阶段 1:招标文件解析**,严格按 `templates/tender_brief.md` 的字段输出,缺失字段标注【待补充】,不要脑补。等我确认后再进入阶段 2。" 5. AI 每输出一个阶段的产物(tender_brief.md / scoring_matrix.csv / outline.md / 章节正文),**你手动复制保存到工作目录的 `output/` 子目录下**(自己手动建一个)。 6. 阶段 4(分章节撰写)完成后,把 AI 输出的 markdown 内容**手工粘贴到 Word**,然后参照 `references/doc_format_spec.md` 应用正确的字体字号、页边距、目录、页眉页脚。 7. 阶段 5(合规终审)由 AI 对照 `references/compliance_rules.md` 的检查清单逐项核查,输出合规报告。 > ⚠️ 方式三的取舍: > > - **Python 脚本无法执行**(`parse_tender.py` / `build_scoring_matrix.py` / `compliance_check.py` / `docx_builder.py` 都跑不了),但 AI 可以**模拟它们的输出格式**(脚本的 docstring 写得很清楚,AI 看一眼就懂要输出什么)。 > - **docx 自动生成无法实现**,最终需要你手工排版到 Word(参考 `references/doc_format_spec.md`)。 > - **覆盖度自动核查无法实现**,需要你或 AI 人工对照 scoring_matrix.csv 逐项打钩。 > - 但**五阶段工作流、四条设计原则、禁止事项、话术库、合规清单**都可以正常生效——这才是这套方案最有价值的部分。 --- ## 环境准备 ### 第一步:确保电脑装了 Python 3.10 或更高版本 打开命令提示符(在开始菜单搜 `cmd`),输入: ```bash python --version ``` 如果显示 `Python 3.10.x` 或更高版本,直接进入第二步。 如果提示"不是内部或外部命令",或版本低于 3.10,请去官网下载安装:[python.org/downloads](https://www.python.org/downloads/) ⚠️ 安装时**一定要勾选** "Add Python to PATH" 选项,否则后续步骤会失败。 ### 第二步:双击 install.bat 进入 `tender-writer` 文件夹,**双击 `install.bat`**。 脚本会自动: - 检查 Python 是否已安装 - 在 `tender-writer` 文件夹内创建一个隔离的虚拟环境(`.venv\`) - 把所有依赖装到这个虚拟环境里(完全不影响你电脑上其他 Python 项目) 整个过程根据网速一般需要几分钟。看到"环境准备完成"就可以使用了。 > 💡 venv 完全隔离,不污染系统环境。哪天不想用了,直接删除 `tender-writer\.venv\` 文件夹即可。 --- ## 五个阶段会产出什么 | 阶段 | 产物文件 | 用途 | |---|---|---| | 阶段 1:招标文件解析 | `output/tender_brief.md`、`output/tender_brief.json` | 招标文件的结构化解读结果,所有后续工作的事实来源 | | 阶段 2:评分矩阵构建 | `output/scoring_matrix.csv` | 每一分都对应到具体应答章节,Excel 可直接打开 | | 阶段 3:提纲生成 | `output/outline.md` | 基于评分矩阵反推出的标书章节结构 | | 阶段 4:分章节撰写 | `output/tender_response.docx` | 主交付物,逐章追加 | | 阶段 5:合规终审 | `output/compliance_report.md` | 漏答清单、废标风险清单、格式合规清单 | 推荐命令顺序: ```bat run_script.bat parse_tender.py "D:\项目\xxx招标文件.pdf" run_script.bat build_scoring_matrix.py output/tender_brief.md run_script.bat generate_outline.py output/scoring_matrix.csv run_script.bat docx_builder.py --out output/tender_response.docx --project "项目名" --bidder "投标人" run_script.bat append_chapter.py output/tender_response.docx output\chapter_01.md run_script.bat compliance_check.py output/tender_response.docx output/scoring_matrix.csv ``` 素材库辅助命令: ```bat run_script.bat add_company.py "某某科技有限公司" partner --alias "某某科技" run_script.bat ingest_assets.py 业绩 own_default run_script.bat triage_unsorted.py run_script.bat triage_unsorted.py --apply ``` 回归测试: ```bat python -m unittest discover -s tests -v ``` 说明: - `tests/` 会把整个 `tender-writer/` 复制到系统临时目录后再执行，不会直接改你的正式素材库。 - 这些临时测试副本在测试结束后会自动删除；即使残留，也可以直接手动删除。 - 正式目录下的 `tests/` 代码、`output/` 成果和真实 `assets/` 素材不要当成“测试垃圾”直接清掉。 **重要**:这五个阶段必须严格依次进行,每个阶段都要 review 中间产物再推进下一步。这是为了确保最终标书不漏答、不踩雷,**绝不允许跳过或一键生成**。 --- ## 素材库与知识库 tender-writer 维护两套长期资产,职责完全分开,**不能混用**: | 维度 | `assets/`(成品素材库) | `references/knowledge_base/`(学习参考库) | |---|---|---| | 性质 | **可直接抄进标书的原料** | **只能学习风格的参考材料** | | 组织方式 | 按"类别 / 公司 id"两级隔离 | 不按公司分目录,但 frontmatter 标注来源公司 | | 是否影响标书正文 | ✅ 是,正文中所有具体素材都从这里取 | ❌ 否,只影响 AI 撰写时的结构与话术风格 | | 是否允许 reference 公司 | ❌ **严禁**,reference 永远不能进 assets | ✅ 允许(且 reference 类型只能进这里) | | review 流程 | 有 pending → approved 流程 | 也有,但宽松,主要看是否吸收为风格参考 | > 一句话:**能直接抄进标书的放 `assets/`,只能参考风格的放 `references/knowledge_base/`**。 --- ## 公司归属三类型 所有进入 `assets/` 或 `knowledge_base/` 的素材,都必须在 `companies.yaml` 中注册一个 `company_id`,并标明 `company_type`。三种类型差异巨大: | 类型 | 定义 | 可用场景 | 严格禁止 | | --- | --- | --- | --- | | **own** | 我方主体公司(可能多家关联实体) | 资质、业绩、人员、图表、话术均可**直接引用**进标书正文 | 无特殊禁止 | | **partner** | 合作方 / 联合体成员 / 分包方 | 仅在联合体投标且招标文件允许时,可引用其素材;**必须**在文中或附件中标注"由 [partner 公司名] 提供" | ❌ 严禁不标注来源就引用 | | **reference** | 竞品 / 行业标杆 / 公开案例 | 仅作为学习参考,可吸收其结构、应答策略、话术风格 | ❌ **严禁**任何具体业绩/资质/人员/金额数据进入标书正文;❌ **严禁**进入 `assets/`,只能进 `references/knowledge_base/` | > 🔴 **reference 是高压线**。即使用户说"这家公司的某段写得很好,抄一下",也必须拒绝。违反就是合规事故。 新增公司请在 Claude Code 中说"新增公司",AI 会引导你完成注册并自动创建对应目录。**不要手动编辑 `companies.yaml`**。 --- ## 如何更新材料库 材料入库有三个入口,根据你对材料的了解程度选择: ### 入口 A:已知分类(类别和公司都明确) **适用**:你清楚地知道这份材料是某家公司的资质 / 业绩 / 简历 / 图表 / 话术。 **操作**: 1. 直接把文件丢到对应目录的 `_inbox/` 里: - `assets/类似业绩//_inbox/` - `assets/团队简历//_inbox/` - `assets/公司资质//_inbox/` - `assets/通用图表//_inbox/` - `assets/标准话术//_inbox/` 2. 在 Claude Code 中说一句: - "处理业绩 inbox" - "处理 own_jiao 公司的简历 inbox" - "处理 partner_xinda 的资质 inbox" AI 会调用 `extract_text.py` 提取文字、按 schema 结构化、追加索引、归档原文件、生成摄入报告。 ### 入口 B:不确定分类(混合材料) **适用**:你拿到一份混合材料(例如往期完整投标包),内部同时包含案例、业绩、简历;或者你不确定该归到哪一类。 **操作**: 1. 把文件丢到根目录的 `_inbox_unsorted/` 里。 2. 在 Claude Code 中说: - "处理 _inbox_unsorted" - "我有一堆材料不知道怎么分类" AI 会逐份扫描、生成**分类建议**(目标类别 + 目标公司 + 判断理由 + 目标路径),**等待你逐条确认**后才会分发。 ### 入口 C:新增合作方或参考公司 **适用**:要登记一家新的 partner 或 reference 公司。 **操作**:在 Claude Code 中说"新增公司",AI 会询问公司全称、类型、描述,生成 id,自动追加到 `companies.yaml`,并(若为 own/partner)自动初始化 `assets/` 下的对应子目录。 ### 通用后续步骤(三种入口都要做) 无论走哪个入口,摄入完成后都要: 1. 查看 AI 生成的**摄入报告**或 **triage 报告** 2. 逐条 review 新生成的 `.md` 文件,补全标注为 `TODO:待人工确认` 的字段 3. 把 frontmatter 的 `review_status` 从 `pending` 改为 `approved` 4. 删除文件末尾的 `## TODO 清单` 区块 > ⚠️ **只有 `review_status=approved` 的素材才能被新标书引用**。`pending` 状态视为未入库。 --- ## 关键词触发 只要你的对话中出现以下任一关键词,Claude Code 会自动加载本 skill;其他 AI 工具识别到这些词时也建议你主动让它读取 SKILL.md: - 招标文件、招标公告、采购文件、采购需求 - 投标、技术标、商务标、投标书、投标方案、投标响应文件、应答文件 - 技术方案应答、技术方案、需求应答 - 评分办法、评标办法、评分矩阵 - 废标条款、实质性响应、★条款、▲条款、资格要求 - 政府采购、竞争性磋商、单一来源采购 - 标书编制、标书撰写、智慧城市标书、数字乡村标书 - 处理 inbox、处理 _inbox_unsorted、新增公司、素材摄入 --- ## 已知局限 1. **只处理技术标**,不处理商务标(报价表、商务条款应答、付款条件等)和价格标。 2. **只针对中文政府类项目**,英文标书或纯商业项目的国际标不在范围内。 3. **不替代法务对废标条款的最终判断**。`compliance_check.py` 只是辅助核查,关键废标风险点仍需法务/标书经理人工复核。 4. PDF 解析依赖 pdfplumber,**扫描件 PDF**(非文字 PDF)无法直接识别,需先 OCR 转换。 5. 本地化信息(项目所在地的地理、产业、人口等)**必须由用户人工提供或确认**,模型不会编造。 6. 方式三(纯对话 AI)下,docx 自动排版、覆盖度自动核查、繁简自动转换等依赖 Python 脚本的能力都无法使用。 7. 素材摄入流程依赖 `extract_text.py` 和 venv,在方式三下也无法自动执行,只能由用户手动整理后让 AI 按 schema 模板填写。 --- ## 目录结构 ``` tender-writer/ ├── SKILL.md ← skill 主入口,Claude Code 会自动加载;其他 AI 也可手动读取 ├── README.md ← 你正在看的这份文档 ├── companies.yaml ← 公司注册表(集中事实来源,所有公司在此登记) ├── requirements.txt ← Python 依赖清单 ├── install.bat ← 一键环境准备脚本(双击运行) ├── run_script.bat ← 通过 venv 调用脚本的入口 │ ├── references/ ← 知识参考与学习材料 │ ├── scoring_dimensions.md ← 四大评分维度详解 │ ├── compliance_rules.md ← 废标风险与合规清单 │ ├── doc_format_spec.md ← 中文标书排版规范 │ ├── phrase_library.md ← 通用话术骨架 │ └── knowledge_base/ ← 学习参考材料库(只学风格,不进正文) │ ├── 历史标书案例/ │ ├── 评标专家偏好/ │ ├── 行业术语对照/ │ └── 失败教训/ │ ├── assets/ ← 可调用成品素材库(按公司隔离) │ ├── .ingest_history.json ← 摄入去重记录 │ ├── 公司资质// │ ├── 类似业绩// │ ├── 团队简历// │ ├── 通用图表// │ └── 标准话术// │ ├── _inbox_unsorted/ ← 待分类材料临时区(触发 triage 流程) │ ├── scripts/ ← Python 脚本 │ ├── parse_tender.py ← 阶段 1:招标文件解析 │ ├── build_scoring_matrix.py ← 阶段 2:评分矩阵构建 │ ├── compliance_check.py ← 阶段 5:合规终审 │ ├── docx_builder.py ← docx 构建工具模块 │ └── extract_text.py ← 通用文本提取(供素材摄入流程调用) │ └── templates/ ← 输出模板 ├── tender_brief.md ├── scoring_matrix.csv └── outline_template.md ``` --- ## 常见问题 - **install.bat 报错**:大概率是 Python 未安装或未加入 PATH。重新装一次 Python 并勾选"Add to PATH"。 - **install.bat 卡在下载依赖**:可能是网络问题,可以手动用国内镜像:`pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple`(也可以直接编辑 install.bat 把 pip install 那行改成带 `-i` 参数的版本) - **脚本找不到**:确认你是在 `tender-writer` 文件夹内运行的,且 `.venv` 目录已生成。 - **解析 PDF 没文字**:你的 PDF 可能是扫描件,需要先用 OCR 工具转成文字版 PDF。 - **Excel 打开 CSV 中文乱码**:本方案生成的 CSV 是 UTF-8 with BOM,正常情况下 Excel 不会乱码。如果仍乱码,用 WPS 打开,或者用记事本另存为时选 ANSI 编码。 - **方式三下 AI 输出的内容超出对话长度**:让 AI 一章一章输出,不要一次性输出全部正文。这本来就是工作流的硬性要求。 - **AI 把 reference 类型的材料写进了 assets**:这是高压线违规,立即停止并要求 AI 撤回,把材料移回 `references/knowledge_base/`。SKILL.md 第三章和第十章已经明确禁止此行为,如果反复发生请反馈给方案维护人。 如有其他问题,联系方案维护人:**laplace.dice@gmail.com** --- ## 版本与维护 - 当前版本:v1.1 - 维护方式:本方案设计为团队内复制分发,任何人都可以在自己副本里改进 references、templates、assets,然后回流到主版本(注意:回流时**不要回流 assets/ 下的具体素材**——那是各团队各自的资产)。